Pandas怎么實現(xiàn)表連接

這篇文章主要介紹“Pandas怎么實現(xiàn)表連接”，在日常操作中，相信很多人在Pandas怎么實現(xiàn)表連接問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”Pandas怎么實現(xiàn)表連接”的疑惑有所幫助！接下來，請跟著小編一起來學(xué)習(xí)吧！

連接對象（Concatenating）

pd.concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False,
          keys=None, levels=None, names=None, verify_integrity=False,
          copy=True)

join有兩個參數(shù)inner（內(nèi)連）和outer（外連）
ignore_index：是否忽略索引，默認(rèn)不忽略，此時會按照索引連接。
join_axes：使用哪個數(shù)據(jù)框的索引
keys：復(fù)合索引

橫向連接

In [1]: df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],   ...:                     'B': ['B0', 'B1', 'B2', 'B3'],   ...:                     'C': ['C0', 'C1', 'C2', 'C3'],   ...:                     'D': ['D0', 'D1', 'D2', 'D3']},   ...:                     index=[0, 1, 2, 3])   ...: 
In [8]: df4 = pd.DataFrame({'B': ['B2', 'B3', 'B6', 'B7'],   ...:                  'D': ['D2', 'D3', 'D6', 'D7'],   ...:                  'F': ['F2', 'F3', 'F6', 'F7']},   ...:                 index=[2, 3, 6, 7])   ...: 
result = pd.concat([df1, df4], axis=1, join_axes=[df1.index])

縱向連接

In [15]: result = pd.concat([df1, df4], ignore_index=True)

append函數(shù)更加有效率

數(shù)據(jù)庫形式的連接（joining/merging）

這個語法是專門為那些使用SQL數(shù)據(jù)的人群設(shè)置的

pd.merge(left, right, how='inner', on=None, left_on=None, right_on=None, left_index=False, right_index=False, sort=True, suffixes=('_x', '_y'), copy=True, indicator=False)

left：左數(shù)據(jù)表
right：右數(shù)據(jù)表
on：以哪一列為標(biāo)準(zhǔn)做聯(lián)表，如果沒有輸入?yún)?shù)，則會以共有的索引作為依據(jù)
left_on：以左邊的數(shù)據(jù)框作為join key
right_on：以右邊的數(shù)據(jù)框作為join key
left_index：以左邊的索引作為join key
right_index：以右邊的索引作為join key
how：left right out inner，默認(rèn)為inner
sort：通過join key對結(jié)果進行排序
suffixes：
copy：
indicator：

merge同時也是一個對象方法，對象默認(rèn)是左聯(lián)表。而join實例方法則是默認(rèn)以索引做為連接方法。

In [38]: left = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3'],
   ....:                      'A': ['A0', 'A1', 'A2', 'A3'],
   ....:                      'B': ['B0', 'B1', 'B2', 'B3']})
   ....: 

In [39]: right = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3'],
   ....:                       'C': ['C0', 'C1', 'C2', 'C3'],
   ....:                       'D': ['D0', 'D1', 'D2', 'D3']})
   ....: 

In [40]: result = pd.merge(left, right, on='key')

使用indicator可以監(jiān)視連接的狀態(tài)

In [48]: df1 = pd.DataFrame({'col1': [0, 1], 'col_left':['a', 'b']})

In [49]: df2 = pd.DataFrame({'col1': [1, 2, 2],'col_right':[2, 2, 2]})

In [50]: pd.merge(df1, df2, on='col1', how='outer', indicator=True)Out[50]: 
   col1 col_left  col_right      _merge0     0        a        NaN   left_only1     1        b        2.0        both2     2      NaN        2.0  right_only3     2      NaN        2.0  right_only

到此，關(guān)于“Pandas怎么實現(xiàn)表連接”的學(xué)習(xí)就結(jié)束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學(xué)習(xí)，快去試試吧！若想繼續(xù)學(xué)習(xí)更多相關(guān)知識，請繼續(xù)關(guān)注億速云網(wǎng)站，小編會繼續(xù)努力為大家?guī)砀鄬嵱玫奈恼拢?/p>